排序方式: 共有51条查询结果,搜索用时 22 毫秒
1.
采煤沉陷对土壤侵蚀与土地利用的影响预测 总被引:22,自引:7,他引:15
中国新建和将建的煤矿区主要集中分布在生态脆弱的晋、陕、蒙区,生态环境压力大。正确预测采煤沉陷引发的人为加速土壤侵蚀与土地利用变化,可为生态脆弱煤矿区的生态恢复和重建提供依据。该文采用RS、GIS为手段进行信息提取和图形叠加,结合类比法和专家咨询法等,研究了山西大同塔山矿采煤沉陷引发的土壤侵蚀和土地利用的变化。结果表明:1)采煤后88.80%土地发生不同程度的沉陷。2)沉陷后土地年土壤侵蚀总量增加42.32~79.05万t,单位面积年侵蚀量增加了246.01~464.56 t/km2,侵蚀模数为2321.78~4335.64 t/(km2·a),部分地块沉陷后土壤侵蚀强度上升了一个等级。3)地表移动变形产生的裂缝、陷坑、塌方或小滑坡等,使农用地被分割而破碎、地块变小,其中,沉陷后旱地最小斑块面积为7.72 m2,有林地最小斑块面积为72.95 m2,灌木林地最小斑块面积为6.71 m2,疏林地最小斑块面积为75.79 m2,中覆盖度草地最小斑块面积为14.81 m2,低覆盖度草地最小斑块面积为9.44 m2。局部裂缝密集带,可造成土地毁坏。4)除工交用地和居民点用地外,原地貌沉陷后土地利用率,较原地貌降低10%的比例为14.05%,降低10%~20%(含10%)的比例为85.18%,降低20%(含20%)以上的比例为0.77%。 相似文献
2.
3.
4.
基于图像处理的水稻叶片三维可视化研究 总被引:3,自引:2,他引:3
介绍利用数字图像处理技术提取水稻叶片几何参数及边缘轮廓曲线的方法,分别利用三角网格化技术和贝塞尔曲线来描述叶片边缘信息,并对2种方法进行比较。通过二次生长曲线方程实现了水稻叶片的三维建模及可视化表达。 相似文献
5.
6.
为了快速、准确诊断和识别水稻氮素胁迫程度,对水稻进行大田栽培试验。以超级水稻‘两优培九’为试验对象,设置0、210、300和390 kg·hm-2共4个施氮水平处理,通过扫描采集幼穗分化期和齐穗期水稻顶1、顶2、顶3叶图像,在卷积神经网络(convolutional neural network,CNN)ResNet34的每个残差块中加入SE block(squeeze-and-excitation block)模块,并将在图像数据集ImageNet(ImageNet large scale visual recognition challenge)上训练得到的权重参数迁移到水稻氮素营养诊断的识别模型中,ResNet34的特征提取层保持原结构,模型结尾的池化层替换为全局平均池化层,利用改进后的网络对水稻图像进行特征提取,训练得到最优的权重参数。结果表明,改进后的网络对水稻幼穗分化期的模型测试准确率达到98.13%,齐穗期的准确率达到99.46%,且模型的收敛速度更快,相比于改进前的网络准确率均提升了7%以上。以上结果表明,通过在ResNet34残差块中加入SE b... 相似文献
7.
水稻主茎三维形态建模与计算机模拟 总被引:3,自引:1,他引:2
探讨水稻主茎器官形态结构变化动态建模的方法,通过对对水稻主茎器官形态结构参数进行分析,构建出水稻主茎地面各器官的形态模型,并利用图形学技术重建出水稻主茎和水稻植株的三维可视化模型。模型具有较高的真实感效果,可控性强,为水稻虚拟生长提供可靠和普适的植株形态几何特征确定方法。 相似文献
8.
基于BP神经网络和概率神经网络的水稻图像氮素营养诊断 总被引:3,自引:1,他引:2
【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。 相似文献
9.
10.